基于三维点云的树木分类研究
| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-10页 |
| 第1章 绪论 | 第10-15页 |
| ·研究依据和意义 | 第10-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·全文主要内容及章节安排 | 第13-15页 |
| 第2章 点云数据获取与预处理 | 第15-29页 |
| ·三维激光扫描系统的组成与工作原理 | 第15-17页 |
| ·车载激光扫描系统 | 第17-19页 |
| ·数据获取 | 第19-20页 |
| ·点云数据的结构和特点 | 第20-22页 |
| ·数据预处理 | 第22-27页 |
| ·格网分块法索引 | 第22-23页 |
| ·kd-tree 索引 | 第23-25页 |
| ·算法评价 | 第25-26页 |
| ·数据去噪处理 | 第26-27页 |
| ·本章小结 | 第27-29页 |
| 第3章 树木点云特征提取 | 第29-39页 |
| ·树形特征 | 第29-31页 |
| ·基于PCA 的树木点云特征提取 | 第31-35页 |
| ·PCA 介绍 | 第31-33页 |
| ·基于PCA 的树木点云特征提取 | 第33-35页 |
| ·直方图 | 第35-36页 |
| ·基于点云法向量的特征提取 | 第36-38页 |
| ·点云法向量 | 第36页 |
| ·基于法向量的特征提取 | 第36-38页 |
| ·本章小结 | 第38-39页 |
| 第4章 模式识别和Joint Boost算法 | 第39-51页 |
| ·模式识别 | 第39页 |
| ·模式识别的方法 | 第39-44页 |
| ·常用方法分类 | 第39-40页 |
| ·神经网络方法 | 第40-42页 |
| ·支持向量机方法 | 第42-43页 |
| ·Boosting 方法 | 第43页 |
| ·方法分析与选择 | 第43-44页 |
| ·JointBoost 算法介绍 | 第44-50页 |
| ·Adaboost 算法 | 第44-45页 |
| ·特征共享 | 第45-47页 |
| ·JointBoost 算法 | 第47-50页 |
| ·本章小结 | 第50-51页 |
| 第5章 系统实现及结果分析 | 第51-62页 |
| ·系统流程 | 第51-52页 |
| ·系统实现 | 第52-53页 |
| ·实验结果 | 第53-55页 |
| ·特征有效性评估 | 第55-58页 |
| ·全局特征和局部特征 | 第58-61页 |
| ·本章小结 | 第61-62页 |
| 结束语 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 攻读硕士学位期间取得的研究成果 | 第68-69页 |
| 致谢 | 第69页 |
